//本系列是基于DMBOK2的学习过程中的知识点整理，方便学习与回顾//
数据仓库是企业数据管理的核心，通过与BI的组合可以为业务运营提供洞察，支持企业决策。 数据仓库与商务智能的定义是“通过规划、实施和控制过程，来提供决策支持数据，支持从事报告、查询和分析的团队”
一、基础知识
1.1 目标
1）支持商务智能活动
2）赋能商业分析和高效决策
3）基于数据洞察寻找创新方法
1.2 指导原则
1）聚焦业务目标
2）以终为始
3）全局性的思考和设计
4）总结并持续优化
5）提升透明度和自助服务
6）与数据仓库一起建立元数据
7）协同
8）不要千篇一律
1.3 名词解释
1）BI-商务智能：一种理解组织诉求并寻找机会的数据分析活动，以及支持这类活动的技术集合
2）数据仓库：一个集成的决策支持数据库，以及支持与之相关的数据操作的软件程序
二、人员
2.1 组织与文化
始终保持一致的业务重点是项目成功的关键，所以DW/BI项目要做一致性评估并获得所需的业务支持。
三、数据仓库技术
3.1 数据仓库建设方法
1. 数据仓库的核心理念
1）数据仓库存储的数据来自于其他系统
2）存储行为包括以提升数据价值的方式整合数据
3）数据仓库便于数据被访问和分析使用
4）组织建设数据仓库，因为他们需要让利益相关方访问到可靠和集成的数据
5）数据仓库数据建设的目的覆盖工作流支持、运营管理和预测分析
2. 建设模式 - Bill Inmon的企业信息工厂
它的特点： 面向主题的、整合的、随时间变化的、包含汇总和明细的、稳定的历史数据集合
3. 建设模式 - Kimball的多维数据仓库
数据仓库的数据存储在多维模型中，它也被称为星型模式，方便使用者理解和使用数据，也支持更有的查询性能。
它包括四个组件： 1-业务源系统； 2-数据暂存区，进行数据的转换； 3-数据展示区域，多个DM通过数据仓库总线获取一致性的维度； 4- 数据访问工具。
3.2 数据仓库数据集成
1. 历史数据一次性载入
1）Inmon建议是所有数据存储在单个数据仓库层中；
2）Kimball建议数据仓库是由多个部门级的数据集市合并而成，DM中保存原子级别的的历史数据，并由一致性维度表和一致性实施表提供企业级数据
3）Data Vault模型将历史数据以规范化的原子形式保存，不做过度的一致性处理，通过中心表/链接表/卫星表来构建数据间的关联
2. 批量数据更新
可用的CDC技术： 时间戳增量加载；日志表增量加载；数据库交易日志；消息增量；全量加载
3. 准实时和实时数据加载
需将新的易变的数据与包含大量非易变历史数据进行隔离，常见方式是通过数据分区，不同分区之间使用联合查询
数据加载方式： 1-涓流式加载(微批)； 2-消息传递(目标系统通过订阅方式从消息总线获取实时/准实时更新)； 3-流式传送(目标系统使用消息队列收集数据，并按顺序处理)
四、活动
1. 理解需求
1）分析业务目标，确定业务领域并框定范围；2）访谈业务用户，，理解他们的数据需求； 3）界定并记录关键的性能指标和计算口径；4）分类并排序需求
2. 定义和维护数据仓库/BI架构
分别确定技术架构和管理流程
3. 开发数据仓库和数据集市
1）将源映射到目标；2）修正和转换数据；
4. 加载数据仓库
确定加载方法时，要考虑的关键因素是延迟要求、源可用性、批处理窗口、目标数据库的一致性
5. 实施商务智能产品组合
根据组合不同目标用户群体的需求，选择合适的工具
6. 维护数据产品
发布管理； 管理开发生命周期；监控和调优加载过程；监控和调优BI活动的性能
五、工具和方法
5.1 工具
1. 元数据存储库： 包括数据字典和术语，数据血缘关系
2. 数据集成工具：除了数据加载，还需提供过程审计、控制、重启和调度功能
3. 商务智能工具：能支持运营报表，业务绩效管理，和自助分析
5.2 方法
1. 利用Data Profiling做原型设计，降低与非预期数据相关的风险
2. 自助式商务智能
3. 可查询的审计数据
六、治理
6.1 报表策略
1）确保BI产品组合中存在报表策略，包括标准，流程，指南，最佳实践和程序；
2）定期评估标准报表，以确保它们仍然具有价值
3）对数据源进行治理监控
6.2 度量指标
1）使用指标：用户数量
2）主题域覆盖率：识别每个部门对数据仓库的访问程度
3）响应时间和性能
参考资料
DAMA-DMBOK2中文版
网友评论